Oplossingsmethoden: implementatie

Oplossingsmethoden: implementatie • relatie kennisniveau  symboolniveau • taken: wat? • modellen: welke kennis? (elke taak: 1 of meer modellen) • methoden: hoe kennis gebruiken? • implementatie • procedureel declaratief • casusmodellen, domeinmodellen • afbeeldingsmethoden, uitbreidingsmethoden, zoekmethoden

Oplossingsmethoden: implementatie (2) • Declaratieve representatie • expliciete representatie van de modellen • flexibel • (minder efficiënt) • vb. Prolog • Procedurele representatie • domeinmodellen + methodendomeinafhankelijke methode (verzameling regels) • efficient • verfijning regels m.b.v. heuristische kennis • vb. KAN

Afbeeldingsmethoden • lineaire afbeelding • differentiatie • neerwaartse verfijning • weighted evidence combination • gelijkenis

Lineaire afbeelding • klassen: • roodooramandine= {bek=rood,oor=rood,staart=bruin,keel=nb} • prachtvink = {bek=rood,oor=zwart,staart=bruin,keel=nb} • diamantvink = {bek=rood,oor=wit,staart=zwart,keel=wit} • werking: • neem één voor één alle klassen, en test de attributen • onbekende attributen opzoeken/vragen • codering: (define (rule vink-regels) roodooramandine (if (bek rood) (oor rood) (staart bruin) (keel nb)) (then (conclude (soort roodooramandine)))) • Uitbreidingen: probabiliteit v/d conclusie, kost v/h testen v/d condities,...

staart bruin zwart oor diamantvink rood zwart roodooramandine prachtvink Differentiatie • werking • bepaal het meest distinctieve attribuut(attribuut met grootst aantal verschillende waarden) # nog te doorzoeken klassen wordt het kleinst • beslissingsboom • Codering: • regel voor elk eindpunt van de tree (define (rule vink-regels) diamantvink (if (staart zwart)) (then (conclude (soort diamantvink)))) • efficiënter dan zuivere lineaire afbeelding

vink bek = rood ondersoort1 staart = bruin keel = nb diamantvink staart = zwart keel = wit oor = wit roodooramandine oor = rood prachtvink oor = zwart Neerwaartse verfijning • Gemeenschappelijke kenmerken isoleren klassehiërarchie • werking: • zoek opvolger m.b.v. differentiatie of lineaire afbeelding • codering: • aparte regelverzameling voor de subnodes van een node

0.8 0.6 0.5 0 0 0 0 rood zwart wit oor bruin zwart staart wit nb keel Weighted Evidence Combination • Vorige methoden: afbeelding bron  doel duidelijk • kenmerken zijn noodzakelijk en voldoende • dikwijls: onzekerheid • zwakke domeintheorie • onzekere waarneming • werking: • waarde(c,T) = w(T,i) x(i) • implementatie: • niet in KAN • neurale netwerken

staart zwart diamantvink bruin oor roodooramandine rood zwart wit prachtvink Gelijkenis • Bereken afstand tussen casus en doelelement • afstand berekend m.b.v. metriek • Hamming-distance: # kenmerken dat verschillend is • Euclidische afstand ?

Selectie van methode • Beperkingen van elke methode • modellen: onvolledig? inconsistent? • waarnemingen: kost? onbetrouwbaar? inconsistent? • andere: beperkte tijd? beperkt geheugen? complexiteit? • vb. lineaire afbeelding • modellen: binair (kenmerken noodzakelijk en voldoende);klein aantal klassen; kleine verzameling kenmerken • kosten gelijk voor alle attributen • geen onzekerheid

Uitbreidingsmethoden • Verdere ontwikkeling van een casusmodel • voorbeeldmethode: constraint propagation • als constraints in regels geformuleerd zijn geen verdere vertaling nodig

Zoekmethoden • Classificatie: klassen + bijbehorende kenmerken gekend  directe methode mogelijk (la, diff,...) • Nodig wanneer kennis niet volledig isvb. diagnose van een motor: motor start niet haperende vonk- overbrenging haperende vonk- voortbrenging slechte bougie defect contactpunt defecte bougiekap

“Blinde” zoekmethoden heuristische zoekmethoden expliciete sturing Zoekmethoden • search space • blinde zoekmethoden: • breadth-first search • depth-first search • heuristische zoekmethoden • best-first search • beam search • hill-climbing (steepest descent) • expliciete sturing • object-niveau + meta-niveau

Blinde zoekmethoden n1 n2 n3 n4 • depth-first: n1  n2  n5  n6  n7  n3  ... • breadth-first: n1  n2  n3  n4  n5  ... n5 n6 n7

Heuristische zoekmethoden • blinde zoekmethoden: probeer alle mogelijke oplossingen uit tot goede gevonden • Efficiënter: bepaal telkens de beste vervolgstap • implementatie: evaluatiefunctie • Moeilijke problemen: beste vervolgstap bepalen niet mogelijk vuistregel • Varianten van blinde methoden: • best-first search: ontwikkel de beste oplossing tot nu toe • beam search: kijk telkens enkel naar de beste x mogelijkheden • hill climbing: kijk telkens enkel naar de beste mogelijkheid

Expliciete sturing • Meest algemene methode: selectie van volgende stap is een volledig redeneerproces op zich • Oplossing van het probleem zelf: objectniveau • Oplossing van selectie: metaniveau

Kennisverwerving • intelligentie: modellen gebruiken en ontwikkelen • aandacht richten op bepaalde aspecten • welke kennis is bruikbaar?ontdekken van structuur in de kennis van de expert • 2 aspecten: • kennisonttrekking • kennisinterpretatie

Kennisonttrekking • bij voorkeur “harde” kennis: • vastliggend; rechtstreeks van de expert • gestructureerd: • tabellen, diagrammen: gemakkelijk te vinden/maken • beslissingsbomen: dikwijls voor onderhoud • regels: dikwijls niet beschikbaar; vatbaar voor interpretatie • woordenlijsten: uniforme terminologie; uitlegfaciliteit • ongestructureerd: • gespreksprotocollen: verslagen van redeneringen v/d expert • tekst: geen gestructureerd overzicht v/h domein • vraag-en- antwoordspelletjes tussen experts • geen eigen interpretaties!

Kennisinterpretatie • ontrafelen van de structuur van de verzamelde kennis( gericht over details vragen) • resultaat: kennisniveaubeschrijving (modellen, methoden, taakstructuur) • indien regels gekend: omgekeerde benadering om expert verder te kunnen ondervragen

Leren • leervermogen: • zelfstandig in staat nieuwe taken af te handelen • aanpassen aan veranderingen in de taakomgeving • oude taken op een betere manier aanpakken • meeste kennissystemen leren niet • methoden? • inductieve methoden • theorie-afhankelijke methoden • connectionistisch (weighted evidence combination)

Inductieve methode • generalisatie op basis van positieve en negatieve voorbeelden • Vereenvoudigde versie: • + {bek rood, oor rood, poten bruin}+ {bek rood, (not (oor rood)), poten bruin} {snavel rood, poten bruin}- {(not (bek rood)), oor rood, poten bruin} {snavel rood}

Theorie-afhankelijke methoden • bijv. leren van een nieuw model op basis van bestaande modellen en extra waarnemingen

Oplossingsmethoden: implementatie